print('Classification Report:\n', classification_report(y_test, y_pred))

`classification_report`是Python中的sklearn库（scikit-learn）中的一个函数，它主要用于评估分类模型的性能。当你在机器学习项目中使用了某种分类算法（如决策树、随机森林或支持向量机等），并且对测试集（通常标记为`y_test`）进行了预测（预测结果存储在`y_pred`中），你可以通过调用这个函数生成一个详细的分类报告。这份报告会包含各种精度度量，如精确率（Precision）、召回率（Recall）、F1分数（F1 Score）以及支持（Support）等，帮助你了解模型在各个类别上的表现。

举个例子，如果你得到了这样的输出：

Classification Report:
              precision    recall  f1-score   support

           0       0.90      0.85      0.87        15
           1       0.85      0.90      0.87        20

    accuracy                           0.87        35
   macro avg       0.87      0.87      0.87        35
weighted avg       0.87      0.87      0.87        35

这意味着对于类别0，模型有90%的精确度和85%的召回率；对于类别1，情况类似。整体上，模型的平均准确率为87%，所有指标加权后的平均值也是87%。